作为普通高等教育教材来说，内容深浅的把控我觉得还是比较可以接受的。
虽然在物流行业工作了10多年，对于配送和优化这个领域来说还是属于门外汉吧，主要原因还是对于算法领域的学习缺乏基本功。当然这也没关系，了解一些方向和基本知识还是会有助于在这方面的进一步工作的。
前三章主要是一些基本概念，第一章第三章还是比较浅显的，但也同样弥补了一些知识上的欠缺：
1. 物流配送与送货、运输、供应或供给、运送、发放等都是有一定概念上的区别
2. 配送的分类可以从1）实施配送的节点不同进行分类 2）按配送商品的种类和数量多少进行分类 3） 按配送时间和数量的多少进行分类 4）按经营形式不同进行分类
3. GIS、GPS、条码、RFID等物流跟踪技术的概念和应用。其中GIS的案例还是有一点启发，看上去液空业务需求领域中的“危险品路线绘制”应该属于这个领域的应用。
重点关注一下第二章：配送路径优化问题。
常用的路径优化问题有以下集中情况：
1. 点点间运输，常用图论，Dijkstra算法，Floyd算法和A*算法
2. 多点间运输，常用单纯形法和表上作业法
3. 单回路运输，即TSP(traveling salesman problem)旅行商问题模型，没有装载能力限制：给出一个起点配送中心和一组n个需求点的集合，需找一条在起点配送中心和结束的路线，这条路线必须经过每一个需求点，并且最短路。特点是单一性和遍历性。常用图解法，最近插入法，最邻近点法，节约里程法 ，遗传算法，混合粒子群算法，模拟退火算法，蚁群算法等
4. 多回路运输，实际运输中，经常会遇到车辆受承载能力，容积的限制，一辆车不能满足所有配送区域用户的需求，此外客户服务的时间窗，服务优先等级，送货与取货的混合等，就要用到车辆路径规划VRP(vehicle routing problem)模型：大多数的VRP可以归结为车辆优化调度问题（vehicle scheduling problem，VSP），即根据不同要求的目标函数（如运距最短，配送时间最短，费用最少等）设计求解算法。
然后本书对TSP的图解法，启发式算法进行了示例化解释。
接着本书对VRP的数学模型进行了分析和建立。
首先看下对实际问题研究时，要考虑以下哪几个方面的问题：
1. 配送中心
2. 车辆
3. 顾客
4. 道路信息
5. 货物信息
6. 运输规章
几个典型问题的模型包括：
1. 单源点单车型非满载车辆优化调度问题模型
2. 单源点单车型满载和非满载混合车辆优化调度问题模型
3. 有时间窗的非满载车辆优化调度问题模型
4. 随机车辆优化调度模型
求解的算法脑图，感谢大师优中选优帮我挑了一个方向深度思考~~~
下周待续。
